用Python3對QQ導出的文本聊天記錄進行整理。

三個月沒看QQ羣了。

羣裏有同學分享的近期答辯注意事項，於是乎想把近期QQ聊天記錄從頭到尾過一遍。

導出聊天記錄文本，發覺上萬行的文本，這麼讀效率有點低，所以用python整理了一下。

這個是整理前的（手機端QQ聊天記錄導出後的txt文件）：

這個是整理後的：

附上代碼：

2016.12.2 加了個自動換行的代碼，避免單行過長。

2018.1.30 根據lch1251680944、qq_20408711反饋，修正正則表達式

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import re
import codecs


script_name = "QQ聊天記錄整理"

# 1、通過正則語句，提取出所有的記錄頭和記錄內容兩個數組。一條記錄頭對應一條記錄內容，所以兩個數組長度應該相等。
# 2、處理記錄內容
#     2.1、windows的換行爲'\r\n'，單'\n'體現不出換行效果。手機端導出的記錄有的換行是\n，需要替換一下。
#     2.2、記錄頭放在了每條記錄末行後面，爲了記錄頭整齊美觀，需要計算一下記錄頭前補多少空格。windows記事本顯示中文字符佔兩格，英文佔1格，而python中文字符長度是卻是1，如果想要顯示整齊，還需要計算一下，然後補齊空格數。補齊後記錄頭距離行首位置爲100的整數倍。
# 3、讀和寫文件的時候注意編碼轉換



def length_w(text):
    '''計算字符串在windows記事本中的實際顯示長度'''
    # 取文本長度，中文按2格計算。
    length      = len(text)                          # 取其長度(中文字符長度爲1，英文1)
    utf8_length = len(text.encode('utf-8'))          # 取其長度(中文長3，英文1)
    length      = int((utf8_length-length)/2)+length # 按(中文2英文1)計算長度
    
    # 這個寫法實際上還是有問題的，有些特殊字符會導致計算長度和實際顯示長度不一致。所以下面計算換行問題的代碼中換了另一種寫法，避免因特殊字符導致每行實際顯示長度超出限定值，雖然還是不精確，但是不會超出限定值。
    # 比如：
    # '°'在記事本中顯示佔2格，b'\xc2\xb0'utf-8編碼長度爲2。
    # '�'在記事本中顯示佔1格，b'\xef\xbf\xbd'utf-8編碼長度爲3。
    # ''在記事本中顯示佔2格，b'\x01'utf-8編碼長度爲1。（特殊字符無法顯示）
    # 至於特殊'\t'製表符最好最開始就用四個空格替換掉，避免其自動縮進帶來的影響
    
    return length

def chinese_linefeed(text,limit):
    '''中英文混合排版，限制單行長度，超出長度換行'''
    text_format= '' # 結果變量，初始化
    text = text.replace('\t','    ')
    text = text.replace('\r\n','\n')
    text_arr = text.split('\n') # 按行分割文本
    for line in text_arr:
        # 逐行處理
        text_format+='\r\n'
        num = 0 # 長度計數變量，初始化
        for i in line:
            # 從該行第一個字符起計算長度
            # 中文長度爲2
            # asc2碼(英文及其字符等)長度爲1
            # 其他長度爲2（一些特殊）
            if i >= u'\u4e00' and i <= u'\u9fa5':
                char_len=2
            elif i >= u'\u001c' and i <= u'\u00ff':
                char_len=1
            else:
                char_len=2
            # 累計長度小於limit，直接保存至結果變量，計數變量累加
            # 累計長度大於limit，換行後再保存，計數變量重置
            if num+char_len<=limit:
                text_format+=i
                num+=char_len
            else:
                text_format+='\r\n'+i
                num=char_len
    return text_format.strip()

# QQ聊天記錄手機端導出文本
filepath = r'C:\Users\waterd\Desktop\QQ羣聊天記錄.txt'

# 讀取文件
fp = codecs.open(filepath,'r','utf-8')
txt = fp.read()
fp.close()

re_pat = r'20[\d-]{8}\s[\d:]{7,8}\s+[^\n]+(?:\d{5,11}|@\w+\.[comnet]{2,3})\)'  # 正則語句，匹配記錄頭
log_title_arr = re.findall(re_pat, txt) # 記錄頭數組['2016-06-24 15:42:52  張某(40**21)',…]
log_content_arr = re.split(re_pat, txt) # 記錄內容數組['\n', '\n選修的\n\n', '\n就怕這次…]
log_content_arr.pop(0)                  # 剔除掉第一個（分割造成的冗餘部分）

# 數組長度
l1 = len(log_title_arr)
l2 = len(log_content_arr)
print('記錄頭數: %d\n記錄內容: %d'%(l1,l2))

if l1==l2:
    # 整理後的記錄
    log_format = ''
    
    # 開始整理
    for i in range(0,l1):

        title       = log_title_arr[i]                   # 記錄頭
        content     = log_content_arr[i].strip()         # 刪記錄內容首尾空白字符
        content     = content.replace('\r\n','\n')       # 記錄中的'\n'，替換爲'\r\n'
        content     = content.replace('\n','\r\n')
        content     = chinese_linefeed(content,100)      # 每行過長自動換行
        lastline    = content.split('\r\n')[-1]          # 取記錄內容最後一行
        length      = length_w(lastline)                 # 取其長度
        space = (100-(length%100))*' ' if length%100!=0 else ''# 該行記錄頭前補空格，變整齊爲100整數倍；餘數爲0則不用補空格
        log_format += content + space + '['+title+']\r\n'# 拼接合成記錄

    # 寫到文件
    fp = codecs.open(filepath+'format.txt','w','utf-8')
    fp.write(log_format)
    fp.close()

    print("整理完畢~^_^~")
else:
    print('記錄頭和記錄內容條數不匹配，請修正代碼')